如果三十年前有这些技术，可可西里的悲剧不会发生
By 超神经
场景描述：野生动物是大自然的产物，但许多珍贵的野生动物，因为具有食用、药用或工艺价值，而被盗猎者大量的非法捕杀。多种野生动物都处于濒临灭绝的局面，人工智能等技术，能够在帮助保护野生动物上，发挥比较大的作用，让我们能够生存在一个更加完整的世界。
关键词：野生动物保护 策略规划 音频分析 图像处理
一群藏羚羊在荒原上飞驰，几辆吉普车杀了过来，接着响起了急促的枪声，奔逃的羊群在流弹中砰然倒地...
镜头一转，数百架藏羚羊的骨架，被遗弃在荒凉的沙土地上。残忍的盗猎者们已经剥走了珍贵的皮肉，扬长而去。
电影《可可西里》中的藏羚羊尸骸
这是电影《可可西里》里面的一个片段。这部根据真实事件改编的作品，讲述了上世纪 80-90 年代，青海省可可西里的藏羚羊被疯狂盗猎的故事。
在那段时期，因为遭遇了大量的非法捕杀，藏羚羊在几年中从几百万只锐减到一万多只，大有灭亡的趋势。
在一些野生动物身上，有着价值很高的物品，比如羚羊绒毛、象牙、犀牛角等等。这些在人类社会极其贵重的物品，背后隐藏着一条巨大的利益链条。
正因如此，犯罪分子们不惜铤而走险，甚至不顾法律条款的管制，残忍地捕杀这些野生动物。
保护野生动物，刻不容缓
所幸的是，随着技术的发展，多种设备的介入，尤其是相关数据的大量产生，AI 等技术有了用武之地。通过 AI 算法、无人机等技术，发展而来的动物保护方案，正在从多个角度打击盗猎行为的发生。
无人机和计算机视觉，为夜晚保驾护航
盗猎行为很大部分会发生在夜晚，趁着夜色的掩护，动物被无情地射杀。可可西里中，有部分羊皮，是被荒漠化逼得没有出路的牧民，以 5 元每张的价格在夜里被剥下。
为了能在深夜，保证野生动物的安全。一个叫 Air Shepherd 的组织，正在用集成了热成像的无人机，以及人工智能系统，帮助保护区监管野生动物的动态。
他们工作的重点在于，从无人机得到的热成像图片，利用图像分类和物体检测方法，准确地识别出动物运动图像，同时检测可能存在的盗猎者们。
来自无人机的黑猩猩热成像
他们使用的 SPOT 系统，由南加州大学社会人工智能中心的研究人员建造，先通过人工标记，以及无人机自动生成的标签，区分出动物和人物。然后利用卷积神经网络模型，让系统学会识别图片中的动物或者人类。
据报道，Air Shepherd 在南非取得了很大的成功，在一个每月有 19 只犀牛被杀的地区，该方案部署后的六个月内，没有再出现犀牛被猎杀。他们还计划在其他地区进行更广泛的部署。
声学传感器和机器学习建立的「报警热线」
在偌大的自然保护区，巡护人员不可能面面俱到，在可可西里中，精明的巡山队员们主要利用车辙、风向等因素，判断盗猎分子的去向，进行追击。
而现在，有多种方法能够取代那些老式的经验。提供全方位的定位和判断。
一家叫 Conservation Metrics 的公司，就和微软合作，利用 Microsoft AI开发了一套工具，从声音的角度来分析和定位保护区内的动物们。
针对某一动物的音频文件的可视化截图
他们利用声学传感器，收集雨林中数据，再利用机器学习算法，过滤出某种动物的叫声，判断出动物的行为，然后能建立起有关动物活动的地图。
这些信息除了揭示动物的行为，还能给保护者提供早期预警，如果传感器接收到动物们在危险中的声音，或偷猎者发出的噪音（如枪声和人声），就会及时的报警。
在其中一个项目中，研究人员从中非森林收集了大约 900,000 小时的录音，其中包含数千小时的大象声音。他们发现了声音的功能，比如对大象来说，低频隆隆声使群体彼此接触，而长长的，重叠的隆隆声则是在进行问候。
对于这些大量的数据，要处理起来将耗费大量的时间，而使用 AI 算法来分析处理，高效而且准确。
在非洲，因为象牙能卖得高价，大象经常被大量的捕杀
他们目前最大的项目包括一个由 50 个传感器组成的网络，监测着 1,243 平方公里的森林，每 3-4 个月记录的森林声音，相当于 200 万首歌曲。人工智能算法的帮助下，通过分析大量的音频，他们已经成功的帮助打击了数起盗猎事件。
智能算法和博弈论，在策略上更胜一筹
可可西里中，最后抓捕的失败，在于巡护人员低估了盗猎者的残忍，还在于抓捕方案出现了纰漏。最终两个人被一群坏人包围，巡山队长也成了盗猎者枪下的冤魂。
为了能在策略上作出最优解，南加州大学人工智能中心，开发了一套抓捕系统「野生动物保护助手」Protection Assistant for Wildlife Security，简称 PAWS。
它是一款基于人工智能规划和行为建模的研究系统，能协助巡逻人员进行路线规划。PAWS 的本质是基于信息分析作出的最佳决策。
巡逻人员能够通过 APP 查看动物的分布地图及异常信息
PAWS 的核心算法集成了机器学习，游戏理论推理和路线规划，用于预测偷猎者的行为。PAWS 从收集的犯罪数据中，学习偷猎者的行为模型。
基于偷猎者的行为模型，PAWS 以一组巡逻路线和采取每条路线的概率的形式计算随机巡逻策略。然后，PAWS 会从策略中规划出最优的巡逻路线。
通过使用决策树集合的方式，他们证明了 PAWS 实验和实践测试中，都存在着优越性。
将保护区的基本信息，和先前巡逻、偷猎信息作为输入，通过对模型的训练
最后会预测出潜在偷猎位置，并给出最佳的路线方案
决策树算法是一种「白盒」方法，使用者可以轻松查看学习模型（以逻辑规则的形式），并评估决策树能够对偷猎者的行为，是否能做出合理的推论，方便进行人为控制。
在 2018 年的野外测试中，PAWS 预测模型起到了很好的作用，保护员在一个月内没收了超过 500 个捕猎陷阱。而没使用 PAWS 时，平均每月只能发现 101 个捕猎陷阱！
保护野生动物，让人类不成为一座孤岛
如果这些方法能够早诞生三十年，也许可可西里的悲剧就不会发生。但这些年过去了，盗猎行为依然存在，所以技术能带来的，其实也很有限。
著名诗人约翰·邓恩有一句著名的诗句：没有人是一座孤岛。它用来形容个人和整体的息息相关。
对于地球上的物种来说，没有一个物种能够独立生存。某种野生动物一旦灭绝，会对整个的生态造成大的损伤，最终肯定会波及人类。
当然，近些年来，对野生动物的保护也越来越重视，比如那条广为人知的公益广告，「没有买卖，就没有杀害」。
野生动物被盗猎的背后，并不是一个简单的道德问题。技术能够帮助和解决的，是大幅度降低捕猎分子的可趁之机，让动物们和人类都能存活的更久。
—— 完 ——
扫描二维码，加入讨论群
获得更多优质数据集
回复「进群」自动入群
更多精彩内容（点击图片阅读）